基于PCA和Delaunay剖分点云配准算法研究

• 作者: 严剑锋 邓喀中
• 来源期刊: 现代测绘
• 学科: 地球科学
• 关键词: 点云 主成分分析 特征值 Delaunay三角网 RANSAC算法 配准
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 29-32
• 页数: 4页
• 分类号: P209
• 字数: 2233字
• 语种: 中文

摘要

针对三维点云精配准算法无法处理初始位置相差较大的点云并易陷入局部最优的问题,提出一种基于特征值计算和匹配的粗配准算法.由于点云表征对象表面形状的一致性,通过主成分分析(PCA)法可以得到每个点的特征值,通过构建基于特征值的 Delaunay 三角网可以加速寻找特征值最接近的点,利用随机抽样一致性(RANSAC)算法可以获取优化的变换参数.实验表明,该粗配准算法可以有效处理点云初始位置较差的情况,将两点云调整到较好的位置,保证了大部分区域的重叠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓喀中	中国矿业大学环境与测绘学院	257	4604	37.0	53.0
2	严剑锋		2	12	2.0	2.0